边缘：部分可观测性留下的缺口

前面几篇笔记都在说同一件事：预测正在失效。这篇换一个方向——不再解释为什么失效，而是把“失效之后该怎么办”写成一套能被人追问的语言。

这套语言不是我发明的。它有一个现成的名字：部分可观测随机最优控制（POMDP）。我做的工作，只是把“边缘”和“生成”这两个词，逐一指到它的部件上。

一、缺口：你看不到状态，只看到影子

经典决策模型假设你知道自己处在什么状态。真实世界里几乎从不成立：你能观测到的是价格、订单、财报、新闻——这些都不是状态本身，是状态经过噪声、延迟和选择性披露之后的投影。

一旦承认这一点，问题就换了个样子：不是“下一步会发生什么”，而是“在只能看到影子的情况下，我该相信什么”。前者要求预测，后者要求信念。

边缘，就落在“影子最模糊、而后果最重”的那片区域：观测信噪比低，结构尚未定型，主流模型在那里会给出自信但不可靠的答案。

把观测折成一个概率分布 π = p(状态 | 历史观测)，这件事在数学上有标准做法：贝叶斯滤波。卡尔曼滤波是线性高斯的特例，粒子滤波是高维非线性时的近似。

关键不在算法，而在那个动作：每一次观测，都改写你相信的东西。这不是“收集更多信息”，而是“承认信息会改变判断的结构”。

于是“生成”也有了位置：它指的是信念更新之后，策略被重新设定。不是预测未来，而是当下重新组织行动。

图 1　边缘与生成理论的技术架构图内文字较密，可打开矢量原图查看。

这张图最容易被误读成“概念拼贴”。所以每一个词，我都指到了图上具体的编号：

① 非平衡驱动（non-equilibrium forcing）——状态方程里那个不衰减的扰动项 dW。系统永远在被推离平衡态，没有“稳定下来”的那一天。
② 弱信号——观测方程里的低信噪比：H 小、dV 大。信号弱不是信息少，而是信息被噪声稀释。
③ 注意力密度——信念分布的集中程度，用熵或协方差衡量。注意力不是兴趣，是信念尖锐到能下注的程度。
④ 生成价值——信念更新带来的值函数增量。价值不是发现了什么，而是判断变了之后能多做什么。

四个词如果能被这样指认，它们就从修辞变成了可讨论的对象；如果指不出来，它们就只是好听。

能做的：它给出一个统一的坐标系。战略、投资、组织设计在图上不是四个并列的领域，而是同一个“观测—信念—策略”循环在不同尺度上的实例。它也让几个原本含糊的判断变得可追问：某人的“直觉好”，在图上对应的是先验更准，还是观测权重更高？

不能做的：它没有给出任何一个可估的参数。信念空间的维度、观测函数 H 的形式、值函数的解——图上都只有符号，没有数值。这意味着它现在是一个分析语言，不是一个可计算的模型。

更直白地说：这张图不能告诉你该买什么、该进哪个市场。它能告诉你的是——当你说“我看到了别人没看到的东西”时，你指的究竟是观测更好，还是先验更好。

是一份工作假设。四个概念各自只有定义，还没有测量；这套语言能不能兑现成模型，取决于下一步有没有人把它写成一个能跑的东西——包括我自己。

把它公开，是因为一个能被反驳的框架，比一个正确的姿态有用。如果你觉得某一条锚错了，直接写信告诉我编号。